jjzjj

关于bash：如何为每个标题添加一个数字，对目录中的每个文件都是唯一的？

codeneng 2023-03-28 原文

How to add a number to every header, unique to each file in a directory?

我有一个包含数百个多 FASTA 文件的目录。

在每个文件头中遵循相同的命名逻辑，如：

>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]

其中：

> 是每个标题的开头

Bubo_bubo 是物种名称(与 FASTA 文件的名称相同，此处为：Bubo_bubo.fasta)

c5_g1_i1 是序列的规范，所有其他字符都是关于特定序列的附加信息

我想要做的是在特定文件中的每个标题中添加相同的数字，在物种名称和有关该文件的其他信息之间，以获得类似：

>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]

我希望每个文件的数字都不同。你能帮我解决一下吗？

  • Bubo_bubo 对于不同的文件名会有所不同.. 对吗？
  • 是的@stack0114106，正确！
  • 我可以假设在第二个下划线之后，出现了特定的序列部分
  • 是的！就是这样

这是使用 Perl 的一种方法

输入文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
$ ls -1 Bubo_bubo*fasta
Bubo_bubo.fasta
Bubo_bubo2.fasta
Bubo_bubo3.fasta
Bubo_bubo4.fasta

$ cat Bubo_bubo.fasta
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
a b c

$ cat Bubo_bubo2.fasta
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
d e f

$ cat Bubo_bubo3.fasta
>Bubo_bubo3_chihoig len=134 path=[174:0-148 24:148-168]
g h i

$ cat Bubo_bubo4.fasta
>Bubo_bubo4_wrwklk_gjf len-133 path=[174:0-148 24:148-168]
p q r

解决方案：

Perl -i 就地替换所有文件。

1
$ perl -i.bak -pe ' if($.==1) { $y=sprintf("%03d",++$x); s/^>((.+?)_(.+?))_/>\\1_${y}_/ } close(ARGV) if eof ' Bubo_bubo*fasta

输出：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
$ cat Bubo_bubo.fasta
>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
a b c

$ cat Bubo_bubo2.fasta
>Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
d e f

$ cat Bubo_bubo3.fasta
>Bubo_bubo3_003_chihoig len=134 path=[174:0-148 24:148-168]
g h i

$ cat Bubo_bubo4.fasta
>Bubo_bubo4_004_wrwklk_gjf len-133 path=[174:0-148 24:148-168]
p q r

  • 谢谢@stack0114106！这是否意味着如果我在 fasta 文件中有多个标题，我应该在 s/^>((.+?)_(.+?))_/>\\1_${y}_/ 的末尾添加 g 吗？
  • 这里不需要 g，因为我们已经在过滤第一行 ($.==1) 并且我们将表达式的开头锚定为 ^>

这有点冗长，但我认为它会完成这项工作：

1
2
awk 'BEGIN{FS="_"}filename!=FILENAME{++uniquenumber;filename=FILENAME}/^>/{printf"%s_%s_%03d_%s_%s_%s\
", $1,$2,uniquenumber,$3,$4,$5 > FILENAME"_updated";next}{print $0 > FILENAME"_updated"}' *

那会：

  • 在处理 (BEGIN{}) 之前，将字段分隔符设置为下划线。
  • 如果变量 filename 不等于我们正在处理的当前文件 filename 然后将 uniquenumber 变量增加 1 并将 filename 变量设置为我们正在处理的当前文件名 filename
  • 如果该行以 > (/^>/) 开头
  • 然后打印出使用前导 0 将唯一数字添加到三个字符的行： (printf"%s_%s_%03d_%s_%s_%s\
    ", $1,$2,uniquenumber,$3,$4,$5    )
  • 重定向输出相同的文件名，但带有 _updated 后缀(您现在将拥有一个包含更改的新文件。并继续到文件中的下一行 (> FILENAME"_updated";next)
  • 如果您还在这里，那么我们就在常规线路上。只需将其打印到相同的 _updated 文件：{print $0 > FILENAME"_updated"}
  • 对此目录中的所有文件执行此操作 *

    • 示例：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    ~/fasta$ ls
    file1  file2  file3
    ~/fasta$ cat *
    >Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    blah
    blah
    >Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    blah
    >Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    foo
    bar
    foo
    >Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    foo
    >Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]

    _bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    whatevfs
    >Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    asd
    >Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    ~/fasta$ awk 'BEGIN{FS="_"}filename!=FILENAME{++uniquenumber;filename=FILENAME}/^>/{printf"%s_%s_%03d_%s_%s_%s\
    ", $1,$2,uniquenumber,$3,$4,$5 > FILENAME"_updated";next}{print $0 > FILENAME"_updated"}'     file*
    ~/fasta$ cat *updated
    >Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    blah
    blah
    >Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    blah
    >Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    foo
    bar
    foo
    >Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    foo
    >Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]

    _bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    whatevfs
    >Bubo_bubo_003_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
    asd
    >Bubo_bubo_003_c5_g1_i1 len=168 path=[174:0-148 24:148-168]

    • 您的命令完美运行！另外，非常感谢您的精彩解释。我不知道我可以简单地在最后添加 \\'*\\' 来以相同的方式处理目录中的所有文件，而不是使用循环。我不得不承认 awk 语法对我来说非常棘手，但是有了这个解释，我才真正开始理解它。
    • 如果您打算对这些类型的文件进行操作，那么 awk 绝对值得学习。我已经看到很多人来这里尝试修改 fasta 文件，而 awk 似乎总是能很好地完成这项工作。
    • 我一直在寻找某种关于基础知识的教程，但除了实际的手册外，我并没有真正找到任何东西。你能推荐任何值得一看的教程吗？

    何为bashspanclassnu0awkbioinformatics

    有关关于bash：如何为每个标题添加一个数字，对目录中的每个文件都是唯一的？的更多相关文章

    1. ruby - 如何从 ruby​​ 中的字符串运行任意对象方法？ - 2

      总的来说，我对ruby​​还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用

    2. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

      我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

    3. ruby - 其他文件中的 Rake 任务 - 2

      我试图在一个项目中使用rake，如果我把所有东西都放到Rakefile中，它会很大并且很难读取/找到东西，所以我试着将每个命名空间放在lib/rake中它自己的文件中，我添加了这个到我的rake文件的顶部:Dir['#{File.dirname(__FILE__)}/lib/rake/*.rake'].map{|f|requiref}它加载文件没问题，但没有任务。我现在只有一个.rake文件作为测试，名为“servers.rake”，它看起来像这样:namespace:serverdotask:testdoputs"test"endend所以当我运行rakeserver:testid时

    4. ruby-on-rails - 在 Rails 中将文件大小字符串转换为等效千字节 - 2

      我的目标是转换表单输入，例如“100兆字节”或“1GB”，并将其转换为我可以存储在数据库中的文件大小(以千字节为单位)。目前，我有这个:defquota_convert@regex=/([0-9]+)(.*)s/@sizes=%w{kilobytemegabytegigabyte}m=self.quota.match(@regex)if@sizes.include?m[2]eval("self.quota=#{m[1]}.#{m[2]}")endend这有效，但前提是输入是倍数(“gigabytes”，而不是“gigabyte”)并且由于使用了eval看起来疯狂不安全。所以，功能正常，

    5. ruby-on-rails - Ruby net/ldap 模块中的内存泄漏 - 2

      作为我的Rails应用程序的一部分，我编写了一个小导入程序，它从我们的LDAP系统中吸取数据并将其塞入一个用户表中。不幸的是，与LDAP相关的代码在遍历我们的32K用户时泄漏了大量内存，我一直无法弄清楚如何解决这个问题。这个问题似乎在某种程度上与LDAP库有关，因为当我删除对LDAP内容的调用时，内存使用情况会很好地稳定下来。此外，不断增加的对象是Net::BER::BerIdentifiedString和Net::BER::BerIdentifiedArray，它们都是LDAP库的一部分。当我运行导入时，内存使用量最终达到超过1GB的峰值。如果问题存在，我需要找到一些方法来更正我的代

    6. ruby-on-rails - Rails 3 中的多个路由文件 - 2

      Rails2.3可以选择随时使用RouteSet#add_configuration_file添加更多路由。是否可以在Rails3项目中做同样的事情？ 最佳答案 在config/application.rb中:config.paths.config.routes在Rails3.2(也可能是Rails3.1)中，使用:config.paths["config/routes"] 关于ruby-on-rails-Rails3中的多个路由文件，我们在StackOverflow上找到一个类似的问题

    7. ruby - 将差异补丁应用于字符串/文件 - 2

      对于具有离线功能的智能手机应用程序，我正在为Xml文件创建单向文本同步。我希望我的服务器将增量/差异(例如GNU差异补丁)发送到目标设备。这是计划:Time=0Server:hasversion_1ofXmlfile(~800kiB)Client:hasversion_1ofXmlfile(~800kiB)Time=1Server:hasversion_1andversion_2ofXmlfile(each~800kiB)computesdeltaoftheseversions(=patch)(~10kiB)sendspatchtoClient(~10kiBtransferred)Cl

    8. ruby - 如何将脚本文件的末尾读取为数据文件(Perl 或任何其他语言) - 2

      我正在寻找执行以下操作的正确语法(在Perl、Shell或Ruby中):#variabletoaccessthedatalinesappendedasafileEND_OF_SCRIPT_MARKERrawdatastartshereanditcontinues. 最佳答案 Perl用__DATA__做这个:#!/usr/bin/perlusestrict;usewarnings;while(){print;}__DATA__Texttoprintgoeshere 关于ruby-如何将脚

    9. ruby - 使用 Vim Rails，您可以创建一个新的迁移文件并一次性打开它吗？ - 2

      使用带有Rails插件的vim，您可以创建一个迁移文件，然后一次性打开该文件吗？textmate也可以这样吗？ 最佳答案 你可以使用rails.vim然后做类似的事情::Rgeneratemigratonadd_foo_to_bar插件将打开迁移生成的文件，这正是您想要的。我不能代表textmate。 关于ruby-使用VimRails，您可以创建一个新的迁移文件并一次性打开它吗？，我们在StackOverflow上找到一个类似的问题： https://sta

    10. ruby-on-rails - Rails - 一个 View 中的多个模型 - 2

      我需要从一个View访问多个模型。以前，我的links_controller仅用于提供以不同方式排序的链接资源。现在我想包括一个部分(我假设)显示按分数排序的顶级用户(@users=User.all.sort_by(&:score))我知道我可以将此代码插入每个链接操作并从View访问它，但这似乎不是“ruby方式”，我将需要在不久的将来访问更多模型。这可能会变得很脏，是否有针对这种情况的任何技术？注意事项:我认为我的应用程序正朝着单一格式和动态页面内容的方向发展，本质上是一个典型的网络应用程序。我知道before_filter但考虑到我希望应用程序进入的方向，这似乎很麻烦。最终从任何

    随机推荐